| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究工作 | 第12-13页 |
| 1.4 本文的结构安排 | 第13-15页 |
| 第二章 相关理论介绍 | 第15-27页 |
| 2.1 深度卷积神经网络理论基础 | 第15-23页 |
| 2.1.1 卷积神经网络结构 | 第15-20页 |
| 2.1.2 经典网络模型 | 第20-23页 |
| 2.2 CBIR框架 | 第23-26页 |
| 2.2.1 图像特征提取 | 第23-24页 |
| 2.2.2 图像特征相似性度量 | 第24-25页 |
| 2.2.3 图像检索性能评价指标 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于多区域中心加权卷积特征的图像检索 | 第27-38页 |
| 3.1 符号定义 | 第27-28页 |
| 3.2 CNN特征提取方法 | 第28-29页 |
| 3.3 基于多区域中心加权卷积特征的图像检索 | 第29-32页 |
| 3.3.1 图像特征提取流程 | 第29-30页 |
| 3.3.2 区域特征图选择策略 | 第30-31页 |
| 3.3.3 多区域中心加权聚合方法 | 第31-32页 |
| 3.4 实验 | 第32-37页 |
| 3.4.1 实验数据集及实验设计 | 第32-33页 |
| 3.4.2 实验结果与分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于排名加权三元组的深度二值化哈希图像检索 | 第38-50页 |
| 4.1 符号定义 | 第38-39页 |
| 4.2 深度二值化哈希特征提取方法 | 第39-41页 |
| 4.3 基于排名加权三元组的深度二值化哈希图像检索 | 第41-44页 |
| 4.3.1 网络结构设计 | 第41-42页 |
| 4.3.2 三元组权重计算方法 | 第42-43页 |
| 4.3.3 目标函数设计 | 第43-44页 |
| 4.4 实验 | 第44-49页 |
| 4.4.1 实验数据集及实验设计 | 第44-45页 |
| 4.4.2 实验结果与分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 内容总结 | 第50-51页 |
| 5.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的研究成果 | 第57页 |